基于卷积神经网络的人体疾病-症状关系探索性分析
人工智能
2023-02-24 v1
摘要
在医疗保健与生物医学研究领域，理解疾病症状之间的关系对于早期诊断和确定疾病间的隐藏关系至关重要。本研究旨在理解症状类型在疾病预测任务中的影响程度。在此研究中，我们分析了一个预先生成的基于症状的人体疾病数据集，并基于卷积神经网络与支持向量机展示了每种疾病可预测的程度。使用 K-Means 与主成分分析研究了疾病的模糊性。我们的结果表明，考虑到症状的特征，机器学习有可能在早期阶段以 98-100% 的准确率诊断疾病。我们的结果强调，异常症状类型是准确进行疾病早期识别的良好替代指标。我们还强调异常症状提高了疾病预测任务的准确率。
引用
@article{arxiv.2302.12075,
title = {Explorative analysis of human disease-symptoms relations using the Convolutional Neural Network},
author = {Zolzaya Dashdorj and Stanislav Grigorev and Munguntsatsral Dovdondash},
journal= {arXiv preprint arXiv:2302.12075},
year = {2023}
}
备注
9 pages, 5 figures